周 亮

（湖南財政經(jīng)濟學(xué)院，湖南長沙410205）

一、引言

行為金融學(xué)假定投資者是非理性的，投資者情緒會對股票收益率以及各種市場異象產(chǎn)生影響，投資者情緒也會在不同市場間傳染，改變不同資產(chǎn)的收益預(yù)期，從而使得風險在不同市場間溢出。因此研究投資者情緒的跨市場溢出，對于理解資本市場間的微觀結(jié)構(gòu)、聯(lián)動網(wǎng)絡(luò)以及風險傳染機制，均有著重要的理論和實踐價值。

但是現(xiàn)有文獻更多地側(cè)重于研究股市投資者情緒向其他市場的溢出，對其他市場投資者情緒向股市的溢出的研究較少。這可能是因為：一方面，投資者情緒是建立在散戶投資者羊群效應(yīng)基礎(chǔ)上的，而散戶投資者投資股市的比重遠高于其他市場，因此對投資者情緒關(guān)注的焦點集中在股市以及向其他市場的溢出效應(yīng)；另一方面，現(xiàn)有投資者情緒指標的構(gòu)造基本上是基于與股市相關(guān)性更強的基本面或技術(shù)面指標，少部分研究其他市場（如商品期貨市場）投資者情緒的文獻，選用的指標體系均是建立在交易量和持倉量的分析基礎(chǔ)上，這與股市投資者情緒的構(gòu)造方法具有很大的區(qū)別，標準的不統(tǒng)一導(dǎo)致很難分析它們之間的聯(lián)動性。

但是隨著如商品期貨等其他市場的迅速發(fā)展及投資門檻的降低，以及越來越多投資于這些市場的ETF 基金產(chǎn)品的誕生，散戶投資者參與股票外資本市場的程度越來越高，如芝加哥商品交易所散戶投資者交易量在2015—2017 年間的增長超過40%①數(shù)據(jù)來自http://futures.hexun.com/2018-05-31/193116706.html。。另外，互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)的發(fā)展為投資者提供了更多元化、更廣泛的數(shù)據(jù)和指標來源，相對于傳統(tǒng)的直接或間接指標，基于互聯(lián)網(wǎng)的大數(shù)據(jù)能夠更好地對投資者情緒進行衡量（Da 等，2015）[1]。大量學(xué)者開始采用網(wǎng)絡(luò)搜索指數(shù)來對市場投資者情緒進行衡量（Kim 和Kim，2014；Vozlyublennaia，2014）[2-3]，從而也使得采用相同標準衡量不同市場的投資者情緒具有了可行性，這正是本研究的出發(fā)點。

本文通過選取能夠代表股市和商品期貨市場的關(guān)鍵詞組，采用百度搜索指數(shù)構(gòu)造了股票和商品期貨市場的投資者情緒指標，利用波動溢出等模型對投資者情緒的跨市場溢出效應(yīng)進行檢驗。

相對于其他研究投資者情緒的文獻，本文的主要創(chuàng)新之處在于以下幾方面。

一方面，利用網(wǎng)絡(luò)搜索指數(shù)分別構(gòu)造了股市和商品期貨市場的投資者情緒，兩個指標建立的標準和過程統(tǒng)一，具備了相互比較的基礎(chǔ)。

另一方面，利用波動溢出等多個實證模型詳細檢驗了投資者情緒對跨市場收益率和波動率的影響，以及投資者情緒之間的因果關(guān)系及波動溢出關(guān)系，驗證了投資者情緒的跨市場溢出效應(yīng)。

二、文獻綜述

現(xiàn)有對投資者情緒研究的文獻主要集中在股票市場。De等（1990）[4]認為投資者情緒是股票市場交易的噪聲，是由噪聲交易（noise trading）所造成的。Brown 和Cliff（2004）[5]指出投資者情緒是相對于正常市場收益率的超額預(yù)期。Baker和Wurgler（2006）[6]的定義被廣泛接受，他們認為從投資者的視角來看，投資者情緒是承擔風險或投機的傾向；從整個市場的角度來看，投資者情緒反映了股票市場的悲觀或樂觀程度。后來一些學(xué)者又提出了投資者情緒無法根據(jù)基本信息來衡量未來現(xiàn)金流和風險（Baker 和Wurgler，2007）[7]。無論從哪種定義來看，投資者情緒都是與理性預(yù)期相悖的，因此可以認為投資者情緒代表的就是市場中的非理性預(yù)期因素。大量文獻考察了投資者情緒對單個股票、股票投資組合（池麗旭等，2012）[8]以及股票市場（李合龍和馮春娥，2014）[9]的影響，雖然由于指標構(gòu)造方法以及所研究市場的不同，最終得到的因果滯后關(guān)系及方向可能存在差異，但是基本都支持投資者情緒與股票收益間存在著顯著的相關(guān)關(guān)系。隨著研究的深入，越來越多的學(xué)者將研究視角聚焦于投資者情緒對各種市場行為的影響，如估值因子（Rahman和Shamsuddin，2019）[10]、動量因子（Hao 等，2018）[11]、市場流動性（Debaba等，2018；He，2019）[12-13]、風險收益補償關(guān)系（Bathia 和Bredin，2018）[14]、IPO 及股票增發(fā)（Tsukioka 等，2018；Chen等，2019）[15-16]等。

在具體投資者情緒指標構(gòu)造方面，大部分學(xué)者均是采用直接指標或間接指標來衡量，Baker 和Wurgler（2006）[6]提出的去除宏觀趨勢后的主成分分析法，可以將多個代理指標中的情緒成分提煉出來，被廣泛地應(yīng)用。具體的代理指標包括但不限于：分析師觀點（Fisher 和Statman，2000）[17]、消費者信心指數(shù)（Jacobsen 等，2014）[18]、US 的投資者智能指數(shù)（Lee等，2002）[19]、基金資金凈流入、換手率、新增投資者開戶數(shù)、封閉式基金折價（易志高和茅寧，2009）[20]、波動率指數(shù)（李雪飛等，2018）[21]等。隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，散戶投資者也越來越頻繁地使用如搜索引擎、微博、貼吧等渠道來搜尋信息及表達自己的觀點，相對于其他代理指標，散戶投資者的這種網(wǎng)絡(luò)行為能夠更直接地體現(xiàn)出其非理性的投資者情緒，所包含的噪聲更少，因此越來越多的學(xué)者采用爬蟲和文本挖掘等技術(shù)來構(gòu)造基于互聯(lián)網(wǎng)的投資者情緒，常見的數(shù)據(jù)指標來源包括微博、Twitter、谷歌搜索指數(shù)、東方財富等論壇以及百度指數(shù)等（Dimpfl和Kleiman，2019；陸峰和邢曉衛(wèi)，2022；任夢和孟勇，2022；高揚等，2022）[22-25]。

但是以上研究基本上都是基于股票市場，對期貨市場投資者情緒研究還很少。部分研究直接采用股票市場的投資者情緒來研究其對商品期貨市場的影響，如Qadan 和Nama（2018）[26]采用了9 種常用的指標（如消費者信心指數(shù)、消費者情緒指數(shù)、BW 綜合情緒指數(shù)等）研究了投資者情緒對原油價格的影響，但是這9 種指標中，除了谷歌搜索指數(shù)能直接反映商品期貨的投資者情緒外，其他8 種指標都是用來衡量股市投資者情緒的。少部分學(xué)者直接采用商品期貨市場的交易數(shù)據(jù)來衡量投資者情緒，如Wang（2004）[27]采用CFTC 交易者報告中不同交易者的凈持倉數(shù)據(jù)來衡量期貨市場的投資者情緒。后續(xù)研究很多借鑒Wang（2004）[27]的做法，如柳松等（2017）[28]采用Wang（2004）[27]構(gòu)建的投資者情緒指數(shù)來量化投資者的實質(zhì)交易行為后發(fā)現(xiàn)，投資者情緒是影響原油期貨市場收益的重要系統(tǒng)性因素；陳標金和譚瑩（2017）[29]將成交量和持倉量作為交易者情緒的代理變量，實證研究了農(nóng)產(chǎn)品期貨價格波動與交易者情緒之間的關(guān)系；周亮（2019）[30]綜合了Wang（2004）[27]、Baker和Wurgler（2006）[6]的方法，采用主成分分析方法從期貨成交量、持倉量、期現(xiàn)價差、動量及波動率等指標中提煉出了期貨市場投資者情緒指標，并研究了其對期貨市場收益率及波動率的影響。

由于股市投資者情緒和商品期貨投資者情緒的衡量方法往往并不一致，因此極少有文獻研究兩個市場間投資者情緒的跨市場溢出效應(yīng)。基于互聯(lián)網(wǎng)的投資者情緒指標的廣泛應(yīng)用，為比較兩個市場投資者情緒間的相互關(guān)系以及跨市場溢出提供了支撐。現(xiàn)有研究投資者情緒溢出的文獻，主要集中在不同股票市場間的傳染，如Hudson和Green（2015）[31]研究了美國市場投資者情緒與英國市場投資者情緒間的傳染關(guān)系；文鳳華等（2015）[32]研究了美國市場投資者情緒與中國市場投資者情緒間的傳導(dǎo)關(guān)系；許祥云等（2014）[33]研究了中國股市和債券市場投資者情緒傳染的階段性特征。但是到目前為止，研究投資者情緒在股市和商品期貨市場間傳染的文獻較少，因此本文擬借鑒大數(shù)據(jù)技術(shù)，采用網(wǎng)絡(luò)搜索指數(shù)來分別構(gòu)建股票和商品期貨投資者情緒，并分析兩者的跨市場溢出效應(yīng)。

三、研究設(shè)計

（一）投資者情緒指數(shù)的構(gòu)建

目前最常用的投資者情緒指標是由Baker 和Wurgler（2006）[6]提出，他們采用主成分分析法從多個反映投資者信念的客觀指標中提取出共同情緒成分。雖然胡昌生和池陽春（2012）[34]對BW 方法提出了質(zhì)疑，認為第二主成分才能更準確地反映出投資者的非理性情緒，但是這并不影響B(tài)W 情緒在全世界范圍內(nèi)得到廣泛的應(yīng)用。本文將借鑒Da 等（2015）[1]、Dimpfl 和Kleiman（2019）[22]等學(xué)者的研究方法，采用網(wǎng)絡(luò)搜索指數(shù)來構(gòu)造股票和商品期貨市場的投資者情緒指標。對于股票的投資者情緒，選取“股票”“股票指數(shù)”“上證指數(shù)”“深成指數(shù)”“中小板指”“創(chuàng)業(yè)板指”等關(guān)鍵詞，并將這些關(guān)鍵詞的百度搜索指數(shù)加總后取對數(shù)；對于商品期貨的投資者情緒，選取“大宗商品”“商品期貨”“鐵礦石期貨”“螺紋鋼期貨”“橡膠期貨”“銅期貨”等關(guān)鍵詞，并將這些關(guān)鍵詞的百度搜索指數(shù)加總后取對數(shù)。本文將分別考察投資者情緒月度頻率上的跨市場溢出效應(yīng)，百度網(wǎng)站只提供關(guān)鍵詞的日度搜索指數(shù)，因此月度投資者情緒采用當月中所有日度搜索指數(shù)的總和來衡量。

由于百度指數(shù)只提供了2008 年9 月之后的數(shù)據(jù)，因此本文選取的樣本區(qū)間為2008 年9 月至2022年9 月。圖1 報告了股票和商品期貨月度投資者情緒在樣本區(qū)間的走勢圖，可以看到兩個重要特征：一方面，股票投資者情緒和商品期貨投資者情緒相關(guān)性極高（相關(guān)系數(shù)高達0.85），兩者在2013 年前走勢均相對平穩(wěn)，2014 年和2015 年后，兩者均有了顯著攀升，2016 年后兩者又開始窄幅震蕩；另一方面，投資者情緒的走勢與市場走勢的相關(guān)性也很強，2014年至2015 年，兩個市場的指數(shù)均持續(xù)上漲，相對應(yīng)的，兩個市場的投資者情緒也出現(xiàn)了大幅攀升，而伴隨著2015 年6 月開始的股價下跌，投資者情緒也開始大幅滑落。

圖1 投資者情緒指數(shù)走勢圖

因此通過簡單的圖形觀察，可以初步判斷出投資者情緒存在著跨市場的溢出效應(yīng)。

（二）變量描述性統(tǒng)計

選擇Wind 全A 指數(shù)作為股票市場的代表性資產(chǎn)指數(shù)，南華商品綜合指數(shù)作為商品期貨市場的代表性資產(chǎn)指數(shù)，樣本區(qū)間選取與百度搜索指數(shù)的時期一致，即為2008 年9 月至2022 年9 月。由于投資者情緒指標與資產(chǎn)指數(shù)均為一階單整的非平穩(wěn)序列，且直接考察它們之間的關(guān)系并沒有特別大的意義，因此本文遵循其他研究采用的方法，即分析投資者情緒變化率與資產(chǎn)收益率之間的關(guān)系。

表1 變量描述性統(tǒng)計結(jié)果

從表中數(shù)據(jù)可以看出，股票收益率高于商品期貨收益率，同時股票收益率的標準差也要高于商品期貨，這說明股市風險更大。從偏度和峰度來看，兩個市場的資產(chǎn)收益均表現(xiàn)為尖峰厚尾左偏，符合金融時間序列的一般特性。兩個市場投資者情緒變化率的均值和中位值均在0 附近，這說明特定時間下，投資者情緒上漲和下跌的可能性大體相當，股票市場投資者情緒變化率的波動幅度更大。

（三）實證模型

1.投資者情緒對跨市場收益率的影響

首先，本文檢驗投資者情緒對跨市場資產(chǎn)收益率的影響，具體如式（1）所示：

其中，Rt為股票或商品期貨的資產(chǎn)收益率；Rt-1為滯后一期的資產(chǎn)收益率，主要是為了檢驗資產(chǎn)收益率的自相關(guān)性；和分別為滯后i期的股票和商品期貨投資者情緒。如果βi顯著不等于0，就說明股票投資者情緒會對資產(chǎn)收益率產(chǎn)生影響；當Rt為商品期貨收益率時，則說明股票投資者情緒會向商品期貨市場傳染；同樣，如果γi顯著不等于0，則說明商品期貨投資者情緒會對資產(chǎn)收益率產(chǎn)生影響；當Rt為股票收益率時，則說明商品期貨投資者情緒會向股票市場傳染。

2.投資者情緒對跨市場資產(chǎn)波動率的影響

其次，本文檢驗了投資者情緒對跨市場資產(chǎn)波動率的影響，采用AR(1)—GARCH(1,1)模型來對資產(chǎn)波動率進行擬合，同時在波動方程中引入投資者情緒變量，檢驗其對資產(chǎn)波動率的影響。具體模型設(shè)定形式如式（2）和式（3）所示：

其中，式（2）為AR(1)均值方程，式（3）為波動方程。βi和φi檢驗了股票投資者情緒對資產(chǎn)波動率的影響，且φi檢驗了影響的非對稱性；當βi或φi顯著不為0 時，則說明股票投資者情緒會顯著影響到資產(chǎn)波動率；如果Rt為商品期貨收益率，則說明股票投資者情緒會向商品期貨市場傳染；如果φi顯著不為0，則說明股票投資者情緒的影響是非對稱的，即正向投資者情緒變動和負向投資者情緒變動的影響是不同的。相類似的，γi和φi檢驗的是商品期貨投資者情緒的影響，且φi檢驗的是影響的非對稱性。

3.投資者情緒的波動溢出

再次，除采用格蘭杰因果檢驗方法檢驗了股票和商品期貨投資者情緒間的因果關(guān)系外，本文還采用AR(1)—GARCH(1,1)模型檢驗了兩個市場投資者情緒間的波動溢出情況。

第一步，利用式（4）和式（5）計算出兩個市場投資者情緒的波動率：

第二步，將第一步計算出的投資者情緒波動率分別引入另一個市場投資者情緒的波動方程中，如式（6）和式（7）所示：

四、實證檢驗

（一）變量相關(guān)性分析

在做具體的實證檢驗前，首先對變量之間的相關(guān)關(guān)系進行初步的分析，結(jié)果如表2 所示。可以看到，兩個市場資產(chǎn)收益率間都存在著顯著的正相關(guān)性。股票投資者情緒一般既與股票市場本身的收益率有顯著相關(guān)性，同時與商品期貨收益率也有顯著的相關(guān)性，且相關(guān)系數(shù)為負，這說明投資者情緒對資產(chǎn)收益率具有一定的負向預(yù)測作用。商品期貨投資者情緒只與股票收益率存在著滯后一階的負相關(guān)性。市場投資者情緒之間的相關(guān)關(guān)系則更為明顯，在當期值中表現(xiàn)得最為明顯，相關(guān)系數(shù)高達0.484，且均在1%水平下顯著?？缙谙嚓P(guān)性上，兩者之間以及與自身滯后項之間在較高階時表現(xiàn)出一定的負相關(guān)性。因此整體來看，兩個市場投資者情緒間存在著較為顯著的相互影響，這為后續(xù)研究提供了初步的經(jīng)驗支持。

表2 變量相關(guān)系數(shù)矩陣

（二）投資者情緒對跨市場資產(chǎn)收益率的影響

采用式（1）研究投資者情緒對跨市場資產(chǎn)收益率的影響，表3 報告了回歸結(jié)果，可以看到，兩種資產(chǎn)均沒有表現(xiàn)出自相關(guān)性。投資者情緒對跨市場資產(chǎn)收益率的影響仍然顯著，且數(shù)值絕對值更大，如在滯后一期，商品期貨投資者情緒對股票收益率的回歸系數(shù)高達-10.525；在滯后四期，股票投資者情緒對商品期貨收益率的回歸系數(shù)高達-2.321。綜合來看，投資者情緒對跨市場收益率存在著較為顯著的負向影響，對自身市場收益率的影響卻往往并沒有那么顯著，如商品期貨投資者情緒對商品期貨收益率無論在何種滯后階數(shù)下，其回歸系數(shù)均不顯著。

表3 投資者情緒對資產(chǎn)收益率的影響

（三）投資者情緒對跨市場資產(chǎn)波動率的影響

接下來采用式（2）和式（3）來檢驗投資者情緒對資產(chǎn)收益波動率的影響，表4 報告了回歸結(jié)果?？梢钥吹剑顿Y者情緒對本市場及跨市場資產(chǎn)波動率均具有顯著的正向影響，且這種影響具有顯著的不對稱性。其中股票投資者情緒僅有正向變動能夠擴大本市場和跨市場的資產(chǎn)波動率，商品期貨投資者情緒的正向變動能擴大本市場和跨市場的資產(chǎn)波動率、負向變動能縮小本市場和跨市場的資產(chǎn)波動率。

表4 投資者情緒對資產(chǎn)波動率的影響

（四）投資者情緒的相互溢出效應(yīng)

接下來采用式（6）和式（7）檢驗兩個市場投資者情緒的波動溢出情況，表5 報告了回歸結(jié)果，其中模型（1）報告的是商品期貨投資者情緒波動率對股票投資者情緒波動率的影響，模型（2）報告的是商品期貨投資者情緒波動率滯后一期值對股票投資者情緒波動率的影響，模型（3）報告的是股票投資者情緒波動率對商品期貨投資者情緒波動率的影響，模型（4）報告的是股票投資者情緒波動率滯后一期值對商品期貨投資者情緒波動率的影響?？梢钥吹?，兩個市場的投資者情緒存在著顯著的波動溢出效應(yīng)，股票投資者情緒對另一個市場存在著正向的波動溢出效應(yīng)，商品期貨投資者情緒對另一個市場存在著負向的波動溢出效應(yīng)。整體來看，兩個市場投資者情緒的波動溢出效應(yīng)現(xiàn)象非常明顯。

表5 投資者情緒的波動溢出檢驗結(jié)果

（五）股價持續(xù)下跌前后投資者情緒的波動溢出

2015 年6 月，我國股市在經(jīng)歷了一年多的持續(xù)上漲后，股價開始持續(xù)下跌，金融監(jiān)管機構(gòu)加強了證券市場監(jiān)管，如限制股指期貨交易、控制配資規(guī)模等，股市波動率在此后也發(fā)生了較為明顯的下降。因此本部分將分析股價持續(xù)下跌前后投資者情緒的波動溢出情況，表6 報告了股價持續(xù)下跌前后的檢驗結(jié)果?？梢钥吹?，雖然股價持續(xù)下跌之后兩個市場投資者情緒的波動溢出仍然非常顯著，但是相對于股價持續(xù)下跌前，商品期貨投資者情緒波動率對股票投資者情緒波動率的溢出值更小，而股票投資者情緒波動率對商品期貨投資者情緒波動率的溢出值變得更大了。這說明股價持續(xù)下跌之后，商品期貨市場更容易受股票市場投資者情緒的影響?？赡艿脑蛟谟冢蓛r持續(xù)下跌同樣導(dǎo)致了商品期貨市場的下跌，而對于散戶投資者來說，投資股市的比例更大，股價持續(xù)下跌導(dǎo)致投資者清倉離開了市場，在開始新的投資時，往往會選擇先投資股市，只有在有更多的閑錢和精力之后，才會開始投資商品期貨。綜合來看，無論是全樣本，還是將樣本區(qū)分為股價持續(xù)下跌前和股價持續(xù)下跌后的分樣本，投資者情緒均存在著顯著的波動溢出現(xiàn)象。

表6 股價持續(xù)下跌前后投資者情緒的波動溢出檢驗結(jié)果

續(xù)表

五、結(jié)論與討論

選取2008年9月至2022年9月的百度搜索指數(shù)作為投資者情緒的代理變量，以Wind全A 指數(shù)和南華商品綜合指數(shù)分別代表股票和商品期貨市場，考察了投資者情緒的跨市場溢出效應(yīng)。研究結(jié)果表明：投資者情緒對跨市場的資產(chǎn)收益率存在著較為顯著的負向影響，對跨市場的資產(chǎn)波動率有顯著的、非對稱的正向影響；兩個市場的投資者情緒存在著顯著的波動溢出現(xiàn)象，無論在股價持續(xù)下跌前還是股價持續(xù)下跌后均表現(xiàn)得非常明顯，但是股價持續(xù)下跌后股票投資者情緒對商品期貨市場的波動溢出變得更顯著，而商品期貨投資者情緒對股票市場的波動溢出變小了。

本文的研究是對投資者情緒溢出效應(yīng)及風險傳染理論的有力補充，同時采用互聯(lián)網(wǎng)大數(shù)據(jù)構(gòu)造不同市場投資者情緒的方式，也為今后從行為金融視角更細致地研究不同市場間的微觀網(wǎng)絡(luò)結(jié)構(gòu)提供了理論思路。本文的研究結(jié)論同樣具有較強的實踐應(yīng)用價值。首先，對于監(jiān)管部門而言，由于投資者情緒跨市場溢出效應(yīng)極其明顯，風險亦很容易從一個市場擴散到另一個市場，因此，有效監(jiān)測系統(tǒng)性金融風險、建立好金融防火墻以及加強對金融機構(gòu)高風險運作行為的監(jiān)管，應(yīng)成為日常工作的重中之重。其次，無論是對于機構(gòu)投資者還是個人投資者而言，由于投資者情緒對市場未來收益率具有一定的預(yù)測性，可以加強對市場情緒的監(jiān)測，通過捕捉情緒的變化來實現(xiàn)投資收益的增加。再次，由于情緒很容易在不同市場間傳染，進而風險也很容易發(fā)生傳染，傳統(tǒng)的資產(chǎn)分散配置模型，在極端情緒導(dǎo)致的極端風險情況下，也容易遭受極大損失，因此加強對風險的監(jiān)控和管理，尤其是極端風險的監(jiān)控和管理，應(yīng)成為投資實踐中至關(guān)重要的環(huán)節(jié)。